ذخیرهسازی ابری ایمن برای دادههای اینترنت اشیا پزشکی با استفاده از سیستم استنتاج عصبی فازی تطبیقی

اینترنت اشیا پزشکی نقش حیاتی در بهبود سلامت مردم، حفاظت و درمان دارد. به جای رفتن به بیمارستان این امکان وجود دارد که از راههای دور معیارهای مرتبط با سلامت بیماران را ردیابی و به مراکز دادههای پزشکی انتقال دهیم . همچنین تقربای یک افزایش نمایی در مقدار دادههای کنترل شده وجود دارد که این به معنای افشای بیشتر دادههای محرمانه است که در نتیجه آن، حفاظت از دادهها و حریم خصوصی انجام شد هرچند از دستگاههای اینترنت اشیا پزشکی ، نگرانی های حل نشده زیادی وجود دارد به همین دلیل سیستم های ردهبندی زیادی به سرعت درحالرشد هستند، نیاز به استفاده از الگوریتم های یادگیری ماشین ، در مقیاس بزرگ صنعتی دادهها نیز در حال گسترش هست . در این مقاله به دسته بندی دادههای پزشکی به افراد عاری از بیماری نسبت به افراد تاثیرپذیر می پردازیم . برای ذخیرهسازی ایمن این اطلاعات یک سیستم استنتاج عصبی فازی تطبیقی جدید را معرفی می کنیم تا حفاظت از دادهها را بهبود بخشیده و درجه امنیت مانند نقض ها، یکپارچگی دادهها و... را مشخص کند. نتایج نشان می دهد که با خطای آموزشی ۶.۲۵۰۶e-۰۶ و خطای تستی ۰.۳۴۲۹ ، ANFIS در بهبود درجه پارامترهای امنیت پارامترها برای داشتن یک راه امن به فضای ابری بسیار خوب اجرا می کند.

کلیدواژه ها:

حریم خصوصی ، MIoT ، مراقبت های بهداشتی ، حفاظت از داده ها ، ارزیابی ریسک .